CollectionConfig API를 사용하여 텐서 컬렉션 구성

CollectionConfig API 작업을 사용하여 텐서 컬렉션을 구성하세요. 디버거는 디버거 지원 딥 러닝 프레임워크와 기계 학습 알고리즘을 사용하는 경우, 파라미터의 다양한 정규식(regex)을 포함하는 사전 빌드된 텐서 컬렉션을 제공합니다. 다음 예제 코드와 같이 디버깅하려는 내장 텐서 컬렉션을 추가합니다.

from sagemaker.core.debugger import CollectionConfig

collection_configs=[
    CollectionConfig(name="weights"),
    CollectionConfig(name="gradients")
]

위의 컬렉션은 디버거 후크를 설정하여 기본 "save_interval" 값을 기준으로 500단계마다 텐서를 저장합니다.

사용 가능한 디버거 내장 컬렉션의 전체 목록은 디버거 내장 컬렉션을 참조하세요.

저장 간격 및 텐서 정규식 변경과 같이 내장 컬렉션을 사용자 지정하려면 다음 CollectionConfig 템플릿을 사용하여 파라미터를 조정하세요.

from sagemaker.core.debugger import CollectionConfig

collection_configs=[
    CollectionConfig(
        name="tensor_collection",
        parameters={
            "key_1": "value_1",
            "key_2": "value_2",
            ...
            "key_n": "value_n"
        }
    )
]

사용 가능한 파라미터 키에 대한 자세한 내용은 Amazon SageMaker Python SDK의 CollectionConfig를 참조하세요. 예를 들어, 다음 코드 예제는 다양한 훈련 단계에서 “losses” 텐서 컬렉션의 저장 간격을 조정하는 방법을 보여줍니다. 즉, 훈련 단계에서는 100단계마다 손실을 저장하고 검증 단계에서는 10단계마다 손실을 검증합니다.

from sagemaker.core.debugger import CollectionConfig

collection_configs=[
    CollectionConfig(
        name="losses",
        parameters={
            "train.save_interval": "100",
            "eval.save_interval": "10"
        }
    )
]